基于3D几何信道模型非对称波束信道特性分析

为了研究非对称波束模式对无线信道特性的影响,采用三维(3D)几何信道模型分析了宏蜂窝小区场景中非对称波束模式下的毫米波无线信道小尺度衰落特性。结合传播图理论提出一种非平稳3D几何信道建模方法,并通过生成的波束筛选出有效散射点,以期降低计算复杂度。分析了非对称波束模式对时域、频域、空域选择性衰落的影响。仿真结果表明,在宏蜂窝小区下行链路中,收发波束域交集中的有效散射点数量多于上行链路中的数量,导致其多普勒、时延、角度扩展明显高于上行链路,而上行链路则可近似为视距单径传播环境。     

机器学习在信道建模中的应用综述

信道建模是设计无线通信系统的基础,传统的信道建模方法无法自动学习特定类型信道的规律,特别是在针对特殊应用场景,如物联网、毫米波通信、车联网等,存在一定的局限性。此外,机器学习具有有效处理大数据、创建模型的能力,基于此,探讨了机器学习如何与信道建模进行有机融合,分别从信道多径分簇、参数估计、模型的构造及信道的场景识别展开了讨论,对当前该领域的重要研究成果进行了阐述,并对未来发展提出了展望。     

基于机器学习的无线信道簇的提取与轨迹追踪

针对时变无线信道抽头簇的提取和轨迹追踪提出了一种新方法：首先在时延-幅度维上采用反向传播（BP）神经网络对无线信道冲激响应（CIR）进行去噪,然后利用k-means聚类算法对有效抽头信号进行分簇,再用基于密度的空间聚类（DBSCAN）算法去除各个簇峰值抽头中的异常值,最后采用多项式拟合对去除异常值后的簇峰值抽头进行拟合,得到其时间变化轨迹.经过仿真和实测数据验证,该方法得到的簇峰值时间变化轨迹与根据几何关系得到的结果一致.     

高铁场景下基于缓存的无线云接入预下载机制研究

云接入网（Cloud Radio Access Network,C-RAN）中有限带宽的前程链路无法有效应对高铁场景下乘客大量集中式的网络资源请求.针对这一不足,本文对C-RAN架构中的射频拉远头（Remote Radio Head,RRH）配置缓存设备使其具有存储转发资源的功能,利用列车运行信息可预知的先验条件,针对乘客数据通信提出基于缓存机制的预下载方案以提升网络系统的吞吐量.仿真结果表明,在前程链路拥挤情况下,基于缓存的预下载方案可明显提升资源的平均传输速率和高铁通信网络的吞吐量,进而提升了乘客的在途通信服务质量（Quality of Service,QoS）.